La ISO 18587 por fin se pone al día con la IA: la traducción ya es un flujo de trabajo de IA

Los estándares de traducción siempre han llegado después de la práctica real del mercado. Es comprensible: su función es estabilizar buenas prácticas, no perseguir cada nueva versión de un modelo. Pero la brecha entre el modelo formal y los servicios de traducción/industria de la traducción y la forma en que en la actualidad se producen realmente las traducciones se ha vuelto demasiado grande como para ignorarla.

La ISO 18587:2017 se redactó en torno a una secuencia reconocible: un sistema de traducción automática genera un resultado, un poseditor cualificado lo corrige y el contenido se entrega. En 2017 ese esquema era útil. En 2026 ya no describe con suficiente rigor una producción multilingüe seria.

Hoy un documento puede ingerirse automáticamente, compararse con traducciones previamente aprobadas, condicionarse mediante terminología y reglas de estilo, traducirse con un motor NMT o un LLM, evaluarse mediante un modelo de estimación de calidad, comprobarse con un segundo evaluador o modelo “juez”, derivarse según el riesgo, revisarse por una persona únicamente cuando sea necesario y alimentar después el siguiente ciclo. Llamar a todo esto “posedición de traducción automática” oculta en realidad más de lo que explica.

¿Qué ha cambiado realmente en la norma ISO 18587?

El cambio más visible está en el propio título del borrador: “Translation services — Post-editing of non-human translation output — Requirements.” El resumen público de ISO indica que el documento cubre el proceso de posedición humana del resultado de traducción generado por sistemas no humanos y las competencias de los poseditores, y que es aplicable a contenido producido por sistemas de traducción no humanos.

La expresión puede sonar algo extraña, pero evita vincular una norma de procesos a una única tecnología de generación. La NMT convencional, la IA generativa y los grandes modelos de lenguaje pueden evolucionar con rapidez; la norma puede concentrarse, en cambio, en el proceso de producción, la competencia humana, las especificaciones del cliente, la viabilidad y la calidad.

La información publicada por el sector sobre la revisión apunta, además, a un vocabulario más amplio, con conceptos como non-human translation, artificial intelligence translation y automated post-editing, una mayor alineación con ISO 17100, atención explícita a las especificaciones del cliente y una perspectiva de viabilidad y riesgo para decidir cómo debe aplicarse la pos-edición.

El flujo de trabajo tradicional empieza a convertirse en el verdadero riesgo

Buena parte de la industria de la traducción sigue operando con un flujo cuyo modelo económico se estableció hace 20 o 30 años: llegan los archivos, los gestores de proyecto los preparan, los traductores trabajan sobre ellos, los revisores los comprueban, los archivos vuelven a desplazarse a través de la cadena y el proveedor lingüístico asume el coste de coordinación, el riesgo de dotación de personal y, con frecuencia, una diferencia financiera considerable entre el pago a los lingüistas y el cobro al cliente.

Añadir un LLM al principio de esa cadena no la convierte en un flujo de IA. Simplemente acelera el primer paso mientras mantiene buena parte del coste operativo anterior.

Aquí es donde la revisión de ISO 18587 empieza a ser interesante: es una norma que presta mayor atención a los requisitos del cliente, la viabilidad, los distintos niveles de posedición y los flujos híbridos que se acerca mucho más a las decisiones que realmente deben tomar las empresas.

También plantea una incómoda pregunta para el sector: si podemos medir la calidad antes, aplicar automáticamente terminología y traducciones aprobadas y dirigir la intervención humana hacia los segmentos o documentos que realmente la necesitan, ¿por qué conservar un flujo cuya principal virtud es que todo el mundo sabe ya cómo operarlo?

El humano no desaparece. Su papel se desplaza hacia capas de mayor valor

El argumento más débil del debate entre IA y humanos es asumir que la automatización implica necesariamente eliminar a los traductores profesionales. Confunde el número de intervenciones manuales con la cantidad de conocimiento humano incorporado al sistema.

En un flujo maduro de traducción con IA, los lingüistas expertos siguen teniendo un papel esencial, pero su función/trabajo, capacidades y expectativas cambia. El conocimiento humano adquiere más valor para definir qué significa un buen resultado, aprobar terminología y estilo, crear datos de referencia, identificar errores de alto riesgo, diseñar rúbricas de evaluación, resolver casos ambiguos, validar contenidos sensibles y mejorar el sistema cuando falla.

Esta distinción es especialmente importante con los LLM. Un error fluido puede ser más difícil de detectar que una traducción automática obviamente defectuosa. La respuesta no es simplemente, por tanto, “eliminar al humano”. La respuesta es utilizar el juicio humano allí donde cambia el perfil de riesgo, en lugar de emplear trabajo humano como único mecanismo disponible de control de calidad.

Un flujo moderno de traducción debe medir antes de decidir la ruta

En Pangeanic entendemos la traducción empresarial como un sistema de producción controlado. La generación es solo una capa; el sistema que la rodea determina si el resultado puede utilizarse, auditarse y publicarse de forma segura. Un flujo sólido conecta los activos lingüísticos de la organización, la generación con IA, la evaluación automatizada, la revisión humana y el feedback de producción.

Esta es la lógica operativa que hay detrás de Deep Adaptive AI Translation de Pangeanic: aplicar la propia evidencia lingüística de la organización durante la generación y utilizar después la Estimación de Calidad de Traducción Automática (MTQE) como capa de decisión y derivación, en lugar de tratar la revisión humana como un último paso indiferenciado.

La norma debe gobernar resultados, no fosilizar procesos manuales

Los estándares son valiosos cuando protegen al comprador frente a una variación no controlada. Son menos útiles cuando las organizaciones los interpretan como instrucciones para preservar una antigua secuencia de tareas simplemente porque esas tareas se asociaron históricamente con la calidad.

La pregunta que deberían plantearse los equipos de compras no es si un proveedor ha incorporado IA en su flujo de trabajo. Prácticamente todos lo han hecho. La pregunta es si ese proveedor puede explicar, medir y reproducir el proceso de decisión que rodea a esa IA.

Lo que ISO 18587 no significa

Existe el riesgo de convertir una actualización de estándares en un eslogan comercial. El borrador actual no justifica varias afirmaciones que pueden resultar tentadoras.

• No certifica un motor LLM o NMT. ISO 18587 es una norma orientada al proceso de posedición y a las competencias, no una clasificación de tecnologías de generación.
• No afirma que los LLM sean mejores que la NMT. Distintos sistemas siguen siendo apropiados para distintos idiomas, dominios, requisitos de latencia y entornos de despliegue.
• No convierte por sí solo un resultado bruto de IA en “conforme a ISO”. El alcance se refiere a la posedición humana de traducción generada por sistemas no humanos.
• No elimina la necesidad de evaluar la calidad. Al contrario, un flujo más flexible exige más medición, porque las decisiones de derivación deben poder justificarse.
• No significa que toda traducción asistida por IA deba etiquetarse públicamente como generada por IA en virtud de la Ley de IA de la UE. El artículo 50 contiene ámbitos y excepciones específicos; cada caso debe evaluarse según la función real del sistema, el grado de transformación, el contexto de publicación y el control editorial humano.

De la posedición a AI Data Operations

La consecuencia más profunda de la revisión de ISO 18587 es que resulta cada vez más fácil describir la traducción como una operación de datos y evaluación, y no como una simple secuencia de traspasos lingüísticos. El flujo tiene entradas, evidencia aprobada, modelos de generación, señales de evaluación, decisiones humanas, reglas de publicación y feedback. Estructuralmente se parece mucho más a unas AI Data Operations modernas que al modelo de gestión de proyectos sobre el que se construyó buena parte de la industria lingüística.

Esto no borra la historia de la profesión de la traducción. Confirma su continuidad tecnológica. Las memorias de traducción eran evidencia estructurada. Las bases terminológicas eran sistemas de gobernanza. La traducción automática introdujo generación automatizada. La estimación de calidad hizo medible la confianza. Los LLM permiten un razonamiento más flexible y un mayor contexto. El siguiente paso no es otra herramienta aislada, sino conectar todas estas piezas dentro de un único sistema controlado.

Para una comparación técnica entre distintos enfoques de generación, puede consultar Ventajas y desventajas de la traducción automática por LLM frente a la traducción automática neuronal . La conclusión empresarial más útil es que la elección del modelo debería formar parte de una arquitectura gobernada, no definir por sí sola esa arquitectura.

La economía también forma parte de la calidad

Uno de los errores más persistentes en la compra de servicios de traducción es separar la calidad de la economía del flujo de trabajo. Un proceso que logra un resultado excelente pero exige traspasos manuales innecesarios, controles duplicados, coordinación dedicada y presión financiera evitable no es automáticamente el proceso más seguro. Puede ser simplemente un proceso caro cuyas ineficiencias se han vuelto familiares.

Una buena automatización no significa “aceptar lo que diga el modelo”. Significa que cada intervención humana costosa debe justificar su lugar. Si la evaluación automática puede identificar dónde existe menor confianza, la experiencia humana debería concentrarse allí. Si la terminología puede aplicarse antes de la entrega, no debería volver a descubrirse manualmente en cada trabajo. Si las traducciones aprobadas pueden condicionar nuevos resultados, no deberían permanecer pasivamente en una base de datos esperando una coincidencia difusa.

Qué deberían hacer ahora los compradores

1. Mapear el flujo real. Documentar cada punto en el que el contenido se ingiere, genera, transforma, evalúa, revisa, aprueba y entrega.
2. Separar los requisitos de calidad según el riesgo. El contenido para publicación, legal, crítico para la seguridad, interno o exploratorio no debería seguir automáticamente la misma ruta de revisión.
3. Tratar la terminología y las traducciones aprobadas como activos reutilizables. Deben influir en la generación y la validación, no limitarse a existir como archivos de referencia.
4. Introducir puertas de calidad medibles. Utilizar MTQE y otros métodos de validación antes de decidir dónde se necesita revisión humana.
5. Definir explícitamente el papel humano. Especificar cuándo se requiere revisión bilingüe, conocimiento experto del dominio, posedición completa, posedición ligera o adjudicación.
6. Preservar la procedencia. Registrar suficiente información sobre modelos, activos, comprobaciones y revisores para reconstruir decisiones importantes.
7. Medir el resultado completo. Seguir calidad, retrabajo, esfuerzo humano, plazo y coste por tarea satisfactoria, en lugar de optimizar únicamente un precio unitario.

ISO se está poniendo al día. La industria debería hacer lo mismo

ISO 18587 todavía no es una norma internacional revisada y definitiva, y el texto preciso aún puede cambiar. Pero el borrador ya deja algo difícil de negar: “traducción automática” es una categoría demasiado estrecha para describir cómo se produce hoy la traducción profesional.

La división relevante ya no es entre humano y máquina. Es entre producción controlada y producción no controlada. ¿Puede la organización aplicar su propio conocimiento lingüístico? ¿Puede medir la calidad antes de publicar? ¿Puede dirigir el riesgo? ¿Puede explicar dónde intervienen los humanos y por qué? ¿Pueden las correcciones mejorar el siguiente resultado? ¿Puede auditarse todo el proceso sin reconstruirlo manualmente?

Ese es el nivel de control que los compradores empresariales deberían exigir cada vez más. ISO 18587 empieza a adoptar el lenguaje necesario para describirlo.